[發(fā)明專利]神經(jīng)網(wǎng)絡(luò)訓練方法、裝置、電子設(shè)備以及存儲介質(zhì)有效
| 申請?zhí)枺?/td> | 202110069245.X | 申請日： | 2021-01-19 |
| 公開（公告）號： | CN112668718B | 公開（公告）日： | 2023-07-18 |
| 發(fā)明（設(shè)計）人： | 游山;鄭明凱;王飛;錢晨 | 申請（專利權(quán)）人： | 北京市商湯科技開發(fā)有限公司 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08;G06V10/82;G06V10/774;G06V10/74;G06F17/16 |
| 代理公司： | 北京中知恒瑞知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11889 | 代理人： | 吳迪 |
| 地址： | 100080 北京市海淀區(qū)北*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 神經(jīng)網(wǎng)絡(luò) 訓練 方法 裝置 電子設(shè)備 以及 存儲 介質(zhì) | ||
1.一種神經(jīng)網(wǎng)絡(luò)訓練方法，其特征在于，包括：
獲取多個待處理樣本圖像；并確定每個待處理樣本圖像在多種圖像增強條件下的表征向量；
基于所述表征向量構(gòu)建目標核矩陣；其中，所述目標核矩陣用于表征所述多個待處理樣本圖像之間的相似度和每個待處理樣本圖像在多種圖像增強條件下的差異度，所述差異度用于表征待處理樣本圖像的樣本質(zhì)量；
對所述目標核矩陣進行行列式點過程DPP處理，得到相似樣本集，其中，所述相似樣本集中包含所述多個待處理樣本圖像中的至少一個目標樣本圖像，每個所述目標樣本圖像中的目標與在所述相似樣本集外的待處理樣本圖像中的至少部分目標相匹配，所述相似樣本集為多個待處理樣本圖像中與其他待處理樣本圖像的相似度大，且樣本質(zhì)量低的樣本圖像；
在所述多個待處理樣本圖像中刪除所述相似樣本集中的目標樣本圖像；
基于刪除所述目標樣本圖像之后的所述多個待處理樣本圖像對神經(jīng)網(wǎng)絡(luò)進行訓練。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述表征向量構(gòu)建目標核矩陣，包括：
基于每個待處理樣本圖像在多種圖像增強條件下的表征向量分別確定用于描述所述多個待處理樣本圖像之間相似度的相似度矩陣和每個所述待處理樣本圖像的樣本質(zhì)量矩陣，其中，樣本質(zhì)量用于表征每個待處理樣本圖像在多種圖像增強條件下的差異度；
對所述相似度矩陣和所述樣本質(zhì)量矩陣進行對位相乘處理，得到所述目標核矩陣。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于每個待處理樣本圖像在多種圖像增強條件下的表征向量分別確定用于描述所述多個待處理樣本圖像之間相似度的相似度矩陣，包括：
計算每個待處理樣本圖像在多種圖像增強條件下的表征向量的平均值，得到每個所述待處理樣本圖像的平均表征向量；
基于每個所述待處理樣本圖像的平均表征向量，確定用于描述所述多個待處理樣本圖像之間相似度的相似度矩陣。
4.根據(jù)權(quán)利要求1至3中任一項所述的方法，其特征在于，所述對所述目標核矩陣進行行列式點過程DPP處理，得到相似樣本集，包括：
確定所述目標核矩陣的逆矩陣；
對所述目標核矩陣的逆矩陣進行行列式點過程DPP處理，得到所述相似樣本集。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述目標核矩陣的逆矩陣進行行列式點過程DPP處理，得到所述相似樣本集，包括：
對所述目標核矩陣的逆矩陣進行行列式點過程DPP處理，得到多個樣本子集的推薦概率，其中，每個所述樣本子集包括所述多個待處理樣本圖像中的至少一幅圖像；
基于所述多個樣本子集的推薦概率在所述多個樣本子集中確定所述相似樣本集。
6.根據(jù)權(quán)利要求1至5中任一項所述的方法，其特征在于，所述確定每個待處理樣本圖像在多種圖像增強條件下的表征向量，包括：
對每個所述待處理樣本圖像進行多種圖像增強條件下的圖像增強處理，得到針對所述多種圖像增強條件的樣本圖像；
通過目標神經(jīng)網(wǎng)絡(luò)對所述多種圖像增強條件的樣本圖像進行圖像處理，得到每個待處理樣本圖像在多種圖像增強條件下的表征向量。
7.根據(jù)權(quán)利要求1至6中任一項所述的方法，其特征在于，所述基于刪除所述目標樣本圖像之后的所述多個待處理樣本圖像對神經(jīng)網(wǎng)絡(luò)進行訓練，包括：
基于所述神經(jīng)網(wǎng)絡(luò)對刪除所述目標樣本圖像之后的所述多個待處理樣本圖像進行圖像處理，獲取樣本學習結(jié)果；
根據(jù)所述樣本學習結(jié)果和所述多個待處理樣本圖像的樣本標注標簽，計算目標損失函數(shù)；
基于所述目標損失函數(shù)調(diào)整所述神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)。
8.根據(jù)權(quán)利要求1至7中任一項所述的方法，其特征在于，所述目標核矩陣中包含：目標超參數(shù)，其中，所述目標超參數(shù)用于表征在根據(jù)所述目標核矩陣確定所述相似樣本集的過程中影響因素的權(quán)重值，所述影響因素包括：所述相似度和/或所述差異度。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京市商湯科技開發(fā)有限公司，未經(jīng)北京市商湯科技開發(fā)有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110069245.X/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇：深層夯擴樁機鉆頭
- 下一篇：一種同時檢測多種長鏈非編碼RNA的復合物及方法
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學習神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置
